按年被提到
20222023 · 2 次2026
机器学习与深度学习›时间序列与天气预报·arXiv:2202.11214 · physics.ao-ph

FourCastNet: A Global Data-driven High-resolution Weather Model using Adaptive Fourier Neural Operators

FourCastNet:基于自适应傅里叶神经算子的全球高分辨率数据驱动天气模型
Jaideep Pathak, Shashank Subramanian, Peter Harrington, Sanjeev Raja, Ashesh Chattopadhyay, Morteza Mardani, Thorsten Kurth, David Hall, Zongyi Li, Kamyar Azizzadenesheli, Pedram Hassanzadeh, Karthik Kashinath 等 13 人 · 2022

用自适应傅里叶神经算子做全球高分辨率天气预报,比数值模式快几个数量级。

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2023-02-22 · 最近 2025-02-26
3不同的人
3活跃月份
3讨论串
824被引(OpenAlex)

提出 FourCastNet,一个数据驱动的全球天气预报模型,在 0.25° 分辨率上给出短期到中期预报。它在短预报时效的大尺度变量上与 ECMWF 的 IFS 数值天气预报系统精度相当,在降水等精细结构复杂的变量上优于 IFS,生成一周预报不到 2 秒,比 IFS 快几个数量级。这样的速度使得生成数千成员的大规模集合预报变得廉价可行。

HN 为什么提它

评论者用它作为例子,说明神经网络天气模型比传统数值天气预报(NWP)快几万倍(按节点小时计)。

方法难度 4 / 5约 45 分钟经得起时间
读之前最好知道
1傅里叶变换与傅里叶神经算子(FNO)
2数值天气预报(NWP)基础
3深度学习时空预测
4集合预报(ensemble forecasting)

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用WithinReason · 2023-02

“A neural network-based solution for weather forecasting: "FourCastNet is about 45,000 times faster than traditional NWP models on a node-hour basis."”

举例说明神经网络天气预报比传统 NWP 快 45000 倍
AMD CEO: The Next Challenge Is Energy Efficiency原评论 ↗
引用bjenik · 2025-02

“[6] FourCastNet (Feb 2022)”

把 FourCastNet 作为参考文献列出(2022 年 2 月)
The FFT Strikes Back: An Efficient Alternative to Self-Attention原评论 ↗
被提交为 story · 1 次